视频数据驱动的智能人群仿真方法研究

《视频数据驱动的智能人群仿真方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博士学位论文视频数据驱动的智能人群仿真方法研究作者姓名：薛铸鑫指导教师：董庆研究员中国科学院遥感与数字地球研究所范湘涛研究员中国科学院遥感与数字地球研究所学位类别：理学博士学科专业：地图学与地理信息系统培养单位：中国科学院遥感与数字地球研究所2018年6月IntelligentCrowdSimulationBasedonVideoData-drivenAdissertationsubmittedtoUniversityofChineseAcademyofSciencesinpartialfulfillme

2、ntoftherequirementforthedegreeofDoctorofPhilosophyinCartographyandGeographicInformationSystemByZhuxinXueSupervisor:ProfessorDongQingSupervisor:ProfessorFanXiangTaoInstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciencesJune2018中国科学院遥感与数字地球研究所学位论文原

3、创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：年月日学位论文使用授权说明本人在导师指导下完成的论文，知识产权归属中国科学院遥感与数字地球研究所。本人完全了解中国科学院遥感与数字

4、地球研究所关于收集、保存、使用学位论文的规定，同意研究所保存或向国家有关部门及机构送交论文的印刷版和电子版，允许论文被查阅和借阅；同意授权研究所采用影印、缩印、数字化或其它复制手段保存和汇编本学位论文。本人保证毕业后，以本论文数据和资料发表论文（著作）或使用论文工作成果时，第一署名单位为中国科学院遥感与数字地球研究所，并征得导师同意。保密论文在解密后遵守此规定。论文作者签名：导师签名：日期：年月日致谢本文研究得到中国科学院遥感与数字地球研究所数字地球理论与系统研究室的大力支持和帮助，并受到中国科学院战略性

5、先导科技专项(A类)“地球大数据科学工程”项目八“数字地球科学平台”课题一“数字地球基础平台与系统集成”（编号：XDA19080100）、中国科学院遥感与数字地球研究所“一三五”规划重大突破二项目“数字地球科学平台系统集成”课题（编号：Y3SG0300CX）、国家重点研发计划（编号：2016YFB0501503、2016YFB0501502）的资助，在此致以衷心感谢！摘要摘要人群仿真作为虚拟现实技术的一个重要研究分支，通过在计算机构建的虚拟世界中对人群行为进行仿真模拟，来揭示人群行为受外部环境和人际间交互

6、共同影响的潜在规律，为研究人员和用户提供人群行为的分析和可视化技术。近年来，人群仿真技术在公共安全、军事训练、重大活动以及计算机动画等诸多领域得到了广泛应用。然而，受数据获取手段和信息提取方法的限制，现有的人群仿真研究方法主要集中在基于模型驱动的方法，该类方法在仿真效果和真实度方面具有一定的局限性。为此，本文研究视频数据驱动的智能人群仿真方法，以人群视频为真实数据源，利用计算机视觉的目标检测与跟踪算法从视频中自动提取行人运动信息，结合三维可视化技术和机器学习方法，实现三维重现、实例学习和模型优化三种不同数

7、据驱动模式的人群仿真，有效的将计算机视觉、人工智能和人群仿真相关技术进行融合，进一步推动人群仿真领域中基于数据驱动方法的理论与应用研究。主要研究工作与成果如下：（1）针对人群仿真技术对真实行人数据的需求，提出一种基于计算机视觉的人群运动信息自动提取方法。首先利用混合高斯模型背景差分的目标检测方法，实现了无需先验知识的行人目标自动检测；然后改进基于粒子滤波和数据关联的目标跟踪方法，准确的提取行人多目标的运动轨迹；最后通过坐标转换方法将轨迹从视频图像的二维坐标转换成真实世界的三维坐标，并在数字地球科学平台上实

8、现了视频中人群运动的三维可视化仿真。实验结果表明，该方法能够从人群视频中自动提取准确的行人运动轨迹，获取丰富的人群运动相关参数，并可以用于人群运动行为的真实三维重现。（2）针对多数模型驱动方法不能有效的模拟稀疏人群自由度较高的运动行为，提出一种基于实例学习的仿真方法。通过构造运动轨迹实例来描述行人运动的局部时空特征要素，利用层次聚类算法构建分层的运动轨迹实例数据库；建立基于BP神经网络的运动模式分类器，实现运动轨迹实例的快速有